Te twory artykulacyjne i ich rezultaty fonetyczne są oczywiście pierwotnie długo nie zróżniczkowane pod względem zasadniczych swych cech, otwarcia jamy ustnej, rodzaju głosu (dźwięczności), stopnia energii, zwarcia, nosowości itd.., i jeszcze dzisiaj można w pewnych językach i w pewnych objawach widzieć ślady tego. Zatem to, co dzisiaj, to znaczy w epoce historycznej, wyrażamy za pomocą różnych kompleksów fonetycznych papa, papu, baba, bobo, mama itp., to nie było pierwotnie szeregiem zasadniczo różnych tworów; tak samo tata, dada, nana i podobne oraz ta fa , niania i podobnie także były pierwotnie jednym tworem. Oczywiście także pod względem znaczenia, to znaczy znaczenie ich było bardzo obszerne, mało zróżniczkowane. Bo czegóż nas uczy zawsze na nowo obsefwacja dzieci? Oto tego, że u dziecka, a zatem tak samo u prymitywnego człowieka, formują się początkowo bardzo rozległe twory wyobrażeniowo-uczuciowe. Ale od początku jest materiał i przyszłych wyobrażeń i przyszłych uczuć w postaci pierwotniejszych, mniej zdyferencjowanych treści psychicznych, ale zawierających przecież i jedno i drugie. W każdym razie człowiek od początku doznaje szeregu wrażeń, które są z jednej strony obiektywnymi (wyobrażeń, rzeczy), z drugiej subiektywnymi (uczuć, podstaw świadomości). A przy tym człowiek od początku rozporządza dwoma zasadnrczo różnymi tworami, krzykiem i «artykułowanyrn» głosern, co jest bardzo ważne, jak niżej zobaczymy. 
Otóż, wracając do znaczenia, pierwotnie nie istnieją jeszcze wyraźnie różne, samodzielne wyobrażenia 'lnatki', 'mamki', 'piersi', ‘mleka', 'ssania', 'głodu', 'zaspokojenia głodu', 'chcę jeść', 'chodź mamo' itd., itd., tylko rodzaj wielkiego, niekształtnego tworu, w którym przeważa raz to, raz owo i który, zależnie od sytuacji i warunków, znaczy raz przede wszystkim to, a drugi raz przede wszystkim owo. Podobnie jak pod względem jakości towarzyszących mu ruchów rnuskularnych i wynikającej z nich postaci fonetycznej oraz pod względem towarzyszących mu nierozłącznie uczuć. Drugi taki wielki twór artykulacyjno-fonetyczny i znaczeniowo-uczuciowy to to, co się kiedyś potem będzie wyrażać szeregiem osobnych wyobrażeń 'ojca', 'huśtania', w ogóle 'ruchu przyjemnego', 'zadowolenia', 'dobrego smaku', 'podobania', 'niańki' itd., itd. wraz z odnośnymi postaciami fonetycznymi i uczuciowymi. I nic dziwnego: matka, kobieta to przede wszystkim mamka, pierś, ssanie, głód itd., itd., ojciec, mężczyzna to przede wszystkim ruch brzęk, siła, migotanie, imponowanie, rzadka zabawa itd., itd. I otóż z takich tworów rozwija się zwolna mowa w miarę działania zasadniczych zjawisk percepcji, uwagi, kojarzenia itd., oraz na podstawie polegających na nich zasadniczych faktów językowych powstania znaczenia, prawa dwuczłonowości itd., a to w miarę danych warunków życiowych; a w ogóle mówiąc, drogą nieustannej, stopniowej ewolucji, rozkładania doznań, łączenia ich znowu w całości coraz inne, różniczkowania się treści psychicznych. itd. rozwija się zwolna język i staje się potężną dźwignią intelektu ludzkiego. 
Prawie od samego początku działa jeszcze jeden ważny moment, moment spokojniejszego zadowolenia ogólnego i zabawy, ćwiczenia sił w zabawie, czemu towarzyszy w bardzo wybitny sposób element rytmicznej świadomości, materiał do przyszłych powtarzań i tworzenia większych kompleksów fonetycznych. Z drugiej zaś strony element wysokości głosu (muzyczny) i natężenia, wykładnik zdecydowanych uczuć, który może podobnie jak rytm następstwa towarzyszyć różnym tworom, przez co od początku zaczyna się wyodrębniać. Toteż człowiek wyraża stronę uczuciową swych doznań przede wszystkim wysokością, melodią, riatężenierp głosu itp., zaś stronę obiektywną przede wszystkim jego umiejscowieniem, i to jest naturalne, bo umiejscowienie łączy się przecież bezpośrednio z ruchami wyrazistymi, z mimiką i gestykulacją. To idzie w parze z rozdzielaniem uczuć od wyobrażełl, świata zewnętrznego od subiektywnego. 
Do bardzo pierwotnych elementów «językowych» należą też, jak wspomniałem, twory o charakterze f, pf, ewentualnie p, b, skojarzone z wyobrażeniami, budzącymi odrazę itp. i towarzyszącymi im uczuciami; te twory zapewnie pierwotnie tworzyły całość z rodzajem wydawanego przez nos f, do którego przy wąchaniu dosyć zawsze było i jest sposobności. Dalej, również bardzo w najrozmaitszych językach rozpowszechnione twory o charakterze s, sz, łączonych ewenualnie z głoskami t, p itp., a wyrażające przestrogę, zatrzymywanie, obawę.itp. (st, pst itp.), tkwiące niewątpliwie w szepcie, w tym charakterystycznym świście, wydobywającym się przy szeptaniu. Ale te spostrzeżenia już nas przeprowadzają do tego, co się pospolicie nazywa symboliką dźwiękową, a z czym się przede wszystkim przy głosach afektowych i onomatopejach spotkamy. W tych tworach wyraża się związek tych zjawisk, które a potiori nazywamy wyrazami dziecinnymi, z prymarnymi wykrzyknikami i onomatopejami. Ten związek wyraża się zresztą i w samych tworach języka dziecinnego, a mianowicie raz w ich elementach wokalicznych, należących do pierwotnych krzyków, po wtóre w ich rytmice powtarzania, która polega nie tylko na subiektywnych faktach psychicznych, ale także na naśladowaniu podobnej rytmiki w świecie zewnętrznym. 
A więc na razie możemy opuścić dziedzinę języka dzieci, matek i nianiek i zadowolić się podanymi uwagami, które może sprawę o krok naprzód posuwają, bośmy uzyskali, jak mi się zdaje, parę zrozumiałych, pierwotnych kompleksów psycho-fizycznych, a w nich cały szereg składowych elementów, jako podstawę dalszej dyferencjacji. 
III 
Język dziecinny przedstawia wprawdzie dosyć wyraźną i odrębną kategorię, ale mimo to rozmaite cechy łączą go z obu drugimi, tj. z wykrzyknikami pierwotnymi i z głosami naśladowczymi, i nic w tym dziwnego: wykrzykniki to przecież objaw życia, objaw doznawanych nieustannie uczuć, wzruszeń, nastrojów i pragnień, a to gra przemożną rolę w życiu człowieka, i to tym większą i wyłączniejszą, im dalej się cofamy w przeszłość rodzaju ludzkiego, a więc w epoce jego pierwocin niezmierną. Ponieważ zaś wyrazy dziecinne doprowadzają nas do tych samych stosunków i czasów, więc jest rzeczą jasną, że muszą mieć z wykrzyknikami dużo bezpośrednio wspólnego. 
Starajmy się znowu wniknąć bez uprzedzeń w owe pierwotne stosunki. otóż pod wpływem zmiennych i nie hamowanych uczuć człowiek wydaje z siebie naj rozmaitsze krzyki, wrzaski, jęki; dyszy, chrapie, krząka, kaszle, wzdycha itp., to znaczy wydaje cały szereg głosów o charakterze wokalicznym, oraz głosów o charakterze spółgłoskowym, zwartym i szczelinowym, umiejscowionych przeważnie w krtani i w tylnej części jamy ustnej. 
Uczucia, których objawami są wyłnienione głosy, grają ogromną rolę w życiu człowieka; ale zapewne daleko bardziej twórczymi w zakresie kultury, a zatem także w dziedzinie językowej, były nastroje i uczucia grupowe, doznawane przy wspólnych zabawach, pracach, wyprawach łowieckich, rybackich, wojennych, obrzędach rodzinnych, jak np. weselnych, pogrzebowych i innych, itd., itd. p a wreszcie - last not least - w życiu płciowym. Cała ta olbrzymia dziedzina zjawisk, wywoływanych przez odnośne nastroje i afekty i wzajem je wywołujących, odznacza się w bardzo wysokim stopniu bezpośrednio towarzyszącym elementem rytm.icznym, który się wyraża nie tylko w ruchach obwodowych ciała w ogóle, ale także, i to w sposób rozmaity, na wokalicznym i w ogóle głosowym materiale, danym od początku w nieartykułowanej postaci krzyku. Te głosy, wynik odnośnych ruchów krtani, języka itd., są zatem wynikiem bezpośrednim zachowania się całego organizmu, a w szczególności stoją w bezpośrednim związku z wyrazem twarzy, postawą i oddychaniem, zmieniającymi się w miarę różnych nastrojów, usposobienia i uczuć. Jak wiadomo, wszystkim stanom świadomości, ale przede wszystkim wzruszeniom i afektom, towarzyszą w organizmie całe prądy wysiłków muskularnych i organicznych, a w miarę gry muszkułów i przepływu wrażełl organicznych zmienia się wyraz twarzy, układ jamy ustnej, położenie i ruchy języka, układ i działanie krtani; zmienia się sposób trzymania jamy brzusznej i klatki piersiowej i spos.ób ich działania, natężenie i rytm oddechu, trzymanie pleców i ramion, w ogóle cała postawa i całe zachowanie się fizyczne. Otóż jest rzeczą wiadolną, że wraz z tymi czynnikami zmienia się bezpośrednio jakość, dźwięk, barwa wydostającego się głosu, stopień i rodzaj jego siły, jasności i wysokości itd. Możemy mówić o uczuciowym układzie narzędzi mownych, zmieniających sposób swego działania w zależności od nastrojów i uczuć zadowolenia lub wstrętu, błogości lub osłupienia, pieszczoty i czułości, nienawiści i obrzydzenia, strachu i wściekłości itd.., itd. Prawda, jak nieraz kurczowo zwieramy szczęki, jak przyciskamy język do podniebienia, jak nas w gardle aż dusi, jak wydymamy wargi, jak znowu nagle wszystko niby się rozluźnia i wygładza?! Otóż to są elementy bezpośrednio wyraziste, bezpośrednio ekspresywne i nie tylko nieartykułowane głosy i krzyki, ale tak samo nasze artykułowane głoski, a zwłaszcza brzmienie samogłosek bardzo się zmienia zależnie od tych czynników, i to zarówno dźwięk, rodzaj, barwa, wysokość i siła głosu jak, w bardziej złożonych formach odezwania się czy krzyku, cała w ogóle melodia. Toteż ta strona powiedzenia jest bezpośrednio zrozumiała, bez względu na to, co się mówi, jakimi wyrazami i w jakim języku się mówi, równie dobrze dla człowieka jak dla zwierzęcia. Wiadomo wszystkim, że ten sam wyraz, ten sam zwrot może być obelgą lub pieszczotą; wyrazy prośby stają się rozkazem, obojętne groźbą, itd., itd., nie mówiąc już o tym, że z samego tonu, bez względu na to, czy wyrazy same się rozumie czy nie, wszyscy, równie dobrze dorośli jak dzieci, cywilizowani czy dzicy, ludzie czy zwierzęta, doskonale właściwy sens mówionego i usposobienie mówiącego rozumieją. 
Ponieważ zarówno człowiek, jak całe warstwy społeczne i zawody i jak całe szczepy i narody doznają nie tylko zmieniających się, rozmaitych wrażeń, uczuć i wzruszeń, ale mają, w bezpośrednim związku ze swą fizyczną i psychiczną indywidualnością, także pewną stałą, przeciętną fizjonomię duchową, pewne stałe usposobienie, pewien zasadniczy temperament, więc jest rzeczą naturalną, że i ich głos i mowa mają także pewną stałą jakość, zabarwienie, melodię, tak jak mają pewien stały sposób trzymania się, chodzenia itd. Są to rzeczy niezmiernie ciekawe i doniosłe, w ostatnich dopiero czasach badane przez Rutzów, Sieversa, Luicka i innych, ale nie mogę się tu nad nimi zatrzymywać. 
Otóż teraz chodziłoby o połączenie «organiczne», bezpośrednie i szczegółowsze tych elementów z istniejącymi w językach pierwotnymi wykrzyknikami i dalej z głoskami języków w ogóle. Stwierdziliśmy istnienie od początku elementów głosowych, pierwotnie krzykowych, zastosowalnych potem jako elementy «językowe», wokaliczne i spółgłoskowe; ale jak się ta ewolucja odbyła? Tzw. pierwotne wykrzykniki, tj. takie jak a, ha, ach, o, ho, och, e, he, ech, i, aj, ej, oj, ij, kombinowane aha, oho, ehe, ojoj, ójej, ajaj, ajej, jej, itp., wszystkie z najrozlnaitszymi intonacjami i w ślad za tym w najrozmaitszym «znaczeniu», są bezpośrednimi wykładnikami silnych wrażeń i uczuć i polegają genetycznie na pierwotnych krzykach, ale w takiej pierwotnej postaci, tj. jako rzeczywiste krzyki i wrzaski, nie należą już wcale do języka w ściślejszym tego słowa znaczeniu. Wprawdzie i przytoczone tworzą swoistą kategorię, stojącą właściwie poza językiem, zarówno ze względu na swoją postać jak sens, ale mają przecież formę językową, to znaczy są identyczne z istniejącymi w języku głoskami i zgłoskami. Natomiast prawdziwe «nieartykułowane» krzyki, okrzyki i wykrzyki, zwłaszcza bólu, wściekłości i przerażenia, nie znikły; człowiek je i dzisiaj wydaje, ale bądź co bądź w miarę nieustannego rozwoju gatunku ludzkiego objawy te słabną, stają się rzadsze i powściągliwsze, a po wtóre, takie wrzaski stają rzeczywiście w zupełności poza językiem: one są co prawda bardzo wyraziste i jasne, ale z językiem jako takim nie mają już nic wspólnego oprócz najpierwotniejszego początku i materiału. jeżeli zatem wykrzykniki takie jak a, ach, ha i inne przytoczone, oraz podobne we wszystkich innych językach, nazywamy pierwotnymi czyli prymarnymi, to trzeba to brać o tyle cum grano salis, że ich postać jest jednak już cywilizowana, wzięta w karby językowe, artykułowana, dostosowana do każdorazowego systemu fonetycznego każdego języka czyli zrównana w wyglądzie z pewnymi jego głoskami i grupami fonetycznymi. I otóż właśnie pytamy: w jaki sposób rozwinęły się tedy głos ki językowe i jaki jest ich genetyczny związek z głoskami uczuciowymi? 
Ogólnym podłożem i ogólnym warunkiem tej ewolucji jest powolne, stopniowe, ale nieustanne «cywilizowanie się» objawów życia emocjonalnego: zasadniczą cechą rozwoju kulturalnego jest właśnie większa powściągliwość uczuciowa, miarkowanie, hamowanie czyli uspołecznianie uczuć i ich wyrażania. Pierwotny wrzask, krzyk przenikliwy, wycie lub ryk staje się zwolna «ludzkim» już «głosem»; stoi otworem droga do głosów wokalicznych czyli samogłosek i do krtaniowych spółgłosek, w związku z ruchami krtani i jamy ustnej oraz rodzajem prądu wydechowego. 
Szczegółowe warunki są różnorodne. Po pierwsze jest rzeczą pewną mimo wszelkich potrzebnych zastrzeżeń, że różne samogłoski mają każda własny, stały ton; jedne są wyższe pod względem tonu, inne niższe. Mogę wprawdzie każdą samogłoskę wymówić w rozmaitej wysokości muzycznej, por. np. wysokie a! wyrażające niespodziankę, ale nie przykrą, obok niskiego a! wyrażającego niespodziankę pełną oburzenia; ale mimo to nie ulega wątpliwości, że a ma normalnie niższy ton niż i. Albo kiedy wymawiam i lub e ze zwarciem krtani przed nimi i po nich, w znaczeniu 'cóż znowu, cóż za dziki pomysł, także coś nowego!', z charakterystycznym rzuceniem głowy, ruszeniem ramion, w czym się objawia właśnie 'odrzucanie' od siebie, to to jest mniej więcej wszystko jedno, czy te gesty i ta modulacja głosu odbędą się przy i na głosce i czy e. Ba, co więcej, może się to odbyć i na głosce a, ale wtedy zmienia się niewątpliwie to «znaczenie», o które chodzi, przybywa inny odcień, i to wyraźny, pewna duma, zaznaczenie, że to się sprzeciwia mojej godności itp., a stoi to niewątpliwie w związku z szerokim otwarciem jamy ustnej dla wymówienia głoski a, bo to znowu, takie otwarcie, wynika z innej przecież gry muskułów niż położenie ust, szczęki, języka przy wymawianiu i. Widzimy zatem jasno, że nawet gdybym koniecznie chciał użyć do wyrażenia nastroju, zawartego w ej także coś nowegoj głoski a i powiedział możliwie tak samo aj także coś nowego!, to to nie będzie to samo. Głoska a ma mocą swych cech istotnych, różnych od cech innych głosek, przede wszystkim także swój odrębny ton. Trzeba przy tym pamiętać, że tu idzie przede wszystkim o ilości względne, o różnicę wysokości między poszczególnymi samogłoskami, a nie absolutne cyfry; toteż w absolutnych liczbach wysokości będą znaczne różnice między jednostkami, narzeczami, językami i rasami, tak że normalna wysokość głoski a w jednym języku może się równać przeciętnej wysokości głoski i w drugim; ale proporcja będzie zachowana. Nie trzeba też zapominać, że to, co oznaczamy przez a, e, i itd., to obejmuje bardzo różne głoski: np. niemieckie krótkie i, zwłaszcza na północy, jest niskie i luźne i daleko jest podobniejsze do naszego y niż do naszego i; albo jasne a francuskie lub angielskie obok niskiego a u Niemców szwajcarskich; wąskie o w różnych językach, brzmiące nam raczej jak u, obok niskiego angielskiego albo węgierskiego o, podobniejszego do naszego a, itd. bez końca. jednakowoż jest chyba pewnym, że po uwzględnieniu i odliczeniu tych i innych momentów można ustalić pewną skalę wysokości tonu typowych samogłosek. 
Wysokość tonu zależy jak wiadomo od szybkości drgań fal głosowych, podnosząc się w miarę jej wzrastania; a ta szybkość stoi znowu w związku z długością drgającego ciała, w danym wypadku strun głosowych, oraz ze stopniem ich napięcia. otóż jest rzeczą jasną, w ogólnym ujęciu oczywiście, że stopień napięcia i długości drgającej partii strun głosowych zależy ostatecznie od natężenia czyli intensywności doznawanych wrażeń i uczuć; a dalej jest równie jasnym, że przez to samo wyraża się większy lub słabszy stopień zaangażowania doznającego subiektu, mego ja, oraz rozmaity stopień przykrości wzgl. przyjemności doznawanych uczuć, ponieważ ogółem biorąc przykre są, ceteris paribus, intensywniejsze. Tym tedy tłumaczy się fakt, wspomniany w mym artykule nr 7, że w wielu, i to całkiem różnych językach twory zaimkowe o wokalicznie jasnym (typ i) wyrażają bezpośrednią bliskość, tj. wskazują to, co się znajduje w bezpośredniej sferze podmiotu mówiącego, natomiast postaci z niską samogłoską (typ a) oddalenie, tj. rzeczy dalsze w stosunku do subiektu, bo i posiada przeciętnie ton wyższy od a. Możemy powiedzieć, że głos wokaliczny o charakterze podobnym do i wyrażał pierwotnie treść taką: 'o mnie bezpośrednio chodzi; mnie wprost dotyczy; znajduje się tuż przy mnie, we mnie itp.'; zaś głosy wokaliczne gatunku a: 'to rzecz dalsza; to mnie mało obchodzi; daleko ode mnie itp.'. I jeżeli mimo zrobionych powyżej zastrzeżeń i mimo faktu niezmiernie długiej przeszłości, jaką mają za sobą głoski dzisiejszych języków, przy czym nieraz w ciągu wieków dochodzi się powolnym przesuwaniem się wymowy od i lub y do a lub odwrotnie, jeszcze dzisiaj w tak licznych i różnorodnych językach ludzkich ten stosunek przegląda dosyć wyraźnie, to musi się opierać na zasadniczych i stałych objawach psycho-fizycznej natury człowieka. 
Drugi szczegółowy warunek polega na fakcie, że emocjonalna strona wszystkiego tego, co człowiek doznaje, nie jest jedyną, bo nie istnieje os o b n o, niezależnie, bez wrażeń i wyobrażeń, a co za tym idzie nawet w owych odległych epokach pierwocin ludzkich istniała zawsze i koniecznie, ściśle z nią spojona, strona wyobrażeniowa, strona obiektywna doznań, i stąd od początku rozkłada człowiek swe doznania na te dwa składniki czy na te dwie strony. Przy tym odbywało się od początku ustalanie treści i form życia przede wszystkim na podstawie tego wyobrażennego elementu, właśnie na podstawie jego jako obiektywniejszego, stalszego i bezpośrednio interesującego czyli ważnego, a to miało daleko idące następstwa, których ostatecznym wynikiem jest między innymi to, że i uczucia, i nastroje wyraża się przeważnie za pomocą zwrotów wyobrażeniowych (psiakrew..., bodaj to diabli wzięli, Boże, jezus Maria, rany boskie itd.), podczas gdy «czyste» interiekcje (a, ach...) są rzadkie. Właściwie to te zwroty i wyrazy o treści pierwotnie obiektywnej mają znaczenie, żeby się tak wyrazić, tylko ogólnie uczuciowe, grają rolę pomocniczych znaków zewnętrznych, a właściwe i szczegółowe znaczenie emocjonalne wyraża się przy ich wymawianiu pozagłoskowo grą twarzy (mimika), ogólnym sposobem wymawiania i całym układem i rozkładem wysokości, natężenia, trwania i barwy głosu, to jest za pomocą całego bogactwa modulacyjnego, do jakiego głos ludzki jest zdolny. I to jest bodaj rozstrzygaj ące: ponieważ ten sposób wyrażania, bezpośrednio wyrazisty, przede wszystkim i zawsze na nowo człowiekowi się nastręczał, więc tym łatwiej i konieczniej głoski, ustalające się zwolna jako takie, stawały się wyrazicielami elementu wrażeniowo-wyobrażeniowego, istniejącego przy każdym wzruszeniu. Przecież np. reakcja na rozmaite pobudki, przedstawiająca się jako zdziwienie, zaskoczenie, zaciekawienie, chwytanie itp., zawierała w każdym razie zawsze gest, ruch wskazujący i wyrażenie mimiczne bezpośrednio bliskiego wciągnięcia człowieka w związek z danym zjawiskiem, względnie bezpośrednio bliskiego wkraczania danego żjawiska w sferę podmiotu doznającego: to był ten element wrażeniowo-wyobrażeoiowy, z którego się rozwinął z czasem psychiczny fakt zaimka wskazującego pierwszego, najbliższego stopnia, a do jego wyrażenia został zużyty towarzyszący element wokaliczny, pierwotni.e uczuciowego pochodzenia, w sposób powyżej wskazany. Podobnie inne pnie zaimkowe. 
Trzeci warunek to okoliczność, że przecież od samego początku, razem z tymi uczuciowymi objawami i ich konsekwencjami działały i rozwijały się zjawiska, które prowadziły do elementów językowych, omówionych poprzednio pod firmą wyrazów dziecinnych, oraz do elementów językowych, o których jeszcze pomówimy pod hasłem naśladownictwa dźwiękowego. Bo wszakże to wszystko tworzyło splot doznań, wrażeń, uczuć i wyobrażeń i ten splot rzeczywisty musial się wyrażać także na zewnątrz. Twory wybitnie spółgłoskowe, do jakicheśmy doszli przy analizie tzw. języka dziecinnego, musiały się łączyć, kombinować z tworami wybitnie wokalicznymi, wynikającymi z głosów uczuciowych. już z tego materiału mogły i musiały już w naj odleglejszej epoce ludzkiej językowości tworzyć się dziesiątki pierwotnych «wyrażeń». Zwłaszcza że w związku z jakością doznawanych wrażeń i uczuć człowiek dwojako się zachowuje: jedne rzeczy chwyta, wyciąga do nich ręce, idzie do nich drugie odpycha, odwraca się od nich, ucieka; a temu towarzyszyła. odpowiednia akcja oddechowa, krtani, twarzy itd., z czego musiał wynikać akompaniament głosowy tych ważnych sposobów zachowania się. Oczywiście, że w obu kategoriach, zarówno wykrzynikowej jak dziecinnej, był materiał tak do przyszłych elementów spółgłoskowych jak i samogłoskowych, ale' niewątpliwie przeważał jeden tam, a drugi tu, i zgodnie z tym jeden miał przede wszystkim tu sprzyjające warunki rozwoju, a drugi tam. Może też być, że twory spółgłoskowe były przede wszystkim wykładnikiem wyobrażeniowej strony doznań, zgodnie z wybitną rolą wrażeń dotykowych przy spółgłoskach zwartych z jednej, a przy głosach dziecinnych i naśladowczych z drugiej strony, zaś twory wokaliczne, za pomocą których przede wszystkim mogły się wyrażać nastroje i uczucia przez natężenie, trwanie, wysokość i wszelką rytmikę głosu, wyrażały raczej stronę «subiektywną» doznań, «ja» i jego stosunki, udział i orientacje. W każdym razie warto w tym związku zauważyć, że w dalszym ciągu rozwoju językowego spółgłoski przedstawiają, ogółem biorąc, element ewolucyjnie stalszy, wprawdzie ciaśniejszy, ale za to z wyraźniej określoną indywidualnością niż samogłoski, które pod wpływem czynników bezpośredniej ekspresji ulegają daleko łatwiej wahaniom i przesunięciom. jeszcze dziś różnica jakościowa między głoskami takimi jak a, o, e itp. a p, t, k itp. jest wszechstronnie ogromna i jeszcze dziś są w niej ślady bezpośredniej zrozumiałości. Przecież tego, co wyrażam odpowiednio wymówionym a w zwrocie: a! przepraszam pana, ale tego się nie spodziewałem po panu, w żaden żywy sposób nie mogę wyrazić przez s i powiedzieć: s! przepraszam pana..., dlatego, że a ma swoje znaczenia uczuciowe, a s swoj e, to znaczy jedna głoska nadaje się mocą odpowiedniej modulacji, stojącej w bezpośrednim związku z zachowaniem się ciała, do wyrażania pewnych nastrojów i uczuć, a druga do innych. 
IV. 
Trzecia wielka kategoria tworów językowych, a zarazem w pewnym sensie pozajęzykowych, to głosy naśladowcze, wyrazy polegąjce na tzw. naśladownictwie dźwiękowym, czyli używając greckiego wyrazu, onomatop(o)eja; zatem twory takie, jak krakra, miau, hau,. bR, bu, kuku, ćwi(e)r(k) , bz(z) , bum (s) , buch, ss, d(z)yn, dziń itd. z urobionymi od nich wyrazami krakać, miauczeć, haukać, bek., beczeć, buczeć, kukać, kukułka, ćwi (e )rkać, bzykać, buchać, syczeć, syk" dyndać i wieje innych. Onomatopeja odgrywała w zapatrywaniach o powstaniu mowy zawsze wielką rolę, ale wydaje się zjawiskiem innego rzędu niż. tamte. dwie kategorie. Podczas gdy tam całkiem Oczywiście głos wydawany jest wtórn ą stroną zjawiska, a prymarną ruch organów mownych, ogólniej mówiąc ruchy mięśniowe, a w szczególności ruchy artykulacyjne krtani, języka itd., to tutaj na pierwszy plan wysuwa się element akustyczny. Wydaje się mianowicie, że tu chodzi przecież o naśladowanie słyszanego głosu, dźwięku, hałasu itd. za pomocą najpodobniejszych do nich własnych głosów, czyli że łącznikiem jest głos słyszany, podobieństwo akustyczne, i że dopiero wedle tego i dla tego celu dobiera się stosowne ruchy artykulacyjne. Jednak w gruncie rzeczy jest to dopiero co najwyżej połowa sprawy, a drugą, daleko większą, zwłaszcza kiedy mamy na oku stosunki pierwotne, tworzy mimowolne towarzyszenie organizmu odnośnym zjawiskom i wykonywanie ruchów i gestów, których częścią tylko są ruchy artykulacyjne i z których one mimowoli wynikają. Zważmy, że np. w akustycznym wyniku, powstającym przez jakiś nagły upadek, runięcie, trzask lub huk albo w głosach bardzo wielu zwierząt itp. trudno się dopatrzyć podobieństwa do ludzkich głosów, więc ta strona sprawy nie może wówczas grać roli, albo bardzo podrzędną; a jednak powstają ostatecznie twory, nazywane przez nas naśladowczymi, i nic w tym Dziwnego, bo każdy huk, turkot czy hałas, choćby całkiem niepodobny do głosu ludzkiego, działa na nasz organizm i wywołuje w nim reakcję. Proszę sobie uprzytomnić np. człowieka, przypatrującego się ciekawie obalaniu drzewa ścinanego: jak on cały asystuje temu naprężeniem, z odpowiednim nastawieniem całego ciała i twarzy, jak stoi wpatrzony, lekko skurczony, usta choćby na chwilę zamknie i wreszcie, w chwili upadku pnia, jak mimo woli przykucnie trochę, usta choćby lekko otworzy (oczywiście raz dla wypuszczenia zatrzymanego oddechu, a po wtóre tak samo mimo woli, dla złagodzenia uderzenia fal głosowych na uszy), wykona rękami ruch z góry na dół i zawoła, jeżeli nie buch, bęc, bums, czy inny jaki tradycyjnie ustalony twór, to przynajmniej i koniecznie wyda głos, składający się najpierw z elementu wargowego (p, b), a następnie z głosu płynącego z rozwartych ust, bo właśnie człowiek normalny trzyma usta zamknięte, kiedy czegoś oczekuje z napięciem, zatrzymując oddech, a w chwili urzeczywistnienia się oczekiwanego faktu, z konieczności po momentalnym jeszcze silniejszym zwarciu warg następuje ich rozwarcie i wypływ silnego prądu wydechowego. A więc będzie to twór, składający się w każdym razie z elementów zwartowybuchowego i ustnego, z czym łatwo i naturalnie może się łączyć element spirantyczny lub nosowy, ponieważ usta po energicznym otwarciu wracają do zwężenia lub zamknięcia. Ale czy głuchy huk, spowodowany upadkiem jakiegoś ciężaru na ziemię, jest «podobny» jako taki do fonetycznych tworów buch, bum, bums, bfc, niem. pull, bums, franc. poul itp.? A jednak we wszystkich językach są podobne twory i człowiek nie tylko łatwo, ale i mimo woli dopatruje się w nich «naśladowania» przebiegu obiektywnego, a przynajmniej czegoś pokrewnego między jednym a drugim, czyli tego, co dziś nazywamy symboliką dźwiękową, a starożytni onomatopeją analogiczną. Jeszcze wyraźniej to występuje w takich, również w najrozmaitszych językach rozpowszechnionych tworach, jak tanz tam, dam dam, lęten(t) , lac. tintinnare, dyn dyn, dzyn dzyn, dzeń dzeń, gong gong i podobnych, «naśladujących» rytmiczne «dźwięczenie» i składających się ze zwarcia, dźwięku ustnego i nosowego, podobnie jak obiektywny przebieg składa się z uderenia, dźwięku i podźwięku. Jeżeli jeszcze zwrócimy. uwagę na takie twory jak tyk tak- wzgl. tik-tak, pac, pyk, puk, franc. ioc l) (por. stuk) oraz takie jak r(r )um, (h)r(r)ym(s), tr(r)ach, ter ter, trr (terkotać, turkotać), br, gdzie mamy z jednej strony wyrażony niedźwięczny (suchy) stuk czy trzask, a z drugiej odgłosy o powtarzających się drganiach, tam za pomocą tworu o dwu zwarto-wybuchowych, tu za pomocą «drgającego» r, to ta symbolika fonetyczna wydaje się, mimo wszelkich zastrzeżeń, czymś realnym. W każdym razie różnica między tworami, zaczynającymi się od zwartej spółgłoski, wyrażającymi odgłosy, wywołane wyraźnym uderzeniem, a tworami naśladującymi np. przeciągłe wycia, gdzie zasadniczym «znakiem» językowym jest u , uu, jak np. w wyć, niem. Uhu, staroniem. uwo 'sowa', jest nie tylko uderzająca, ale i pouczająca. Bo chociaż powstają też kombinacje tu (t u , tutu), bu (b u) , mu (m u)- itp., to jednak gdy chodzi o oddanie 'samego wycia', właściwym tworem językowym jest 'u', ewentualnie ze spirantem na początku (vu, hu...); a w każdym razie w tworach mu bu, pu i. podo.bnych (myczeć, buczeć itd.) spółgłoska stojąca na początku jest obojętna, gra rolę podrzędną, a główną element wokaliczny. 
Otóż, o ile każdy się chyba zgodzi, że takie dziń dziń, trara, buch są mało «podobne» do głosu dzwonka, trąbki i odgłosu upadku, to chyba nikt nie uwierzy, żeby w takich tworach i wyrazach jak wyć, huczeć, muczeć, byk, puchacz, U hu, lac. bubo, u , b u , m u , be, beczeć, buczeć, kukać, kuku (podobnie wszędzie), bz, bzykać, ss, sykać, syczeć, miau, hau, wau podobnie wszędzie), kwa(k) , kwakać, gul gul, duLdać; bulgotać, niem. glucksen, bełkot i wielu, wielu innych, moment mniej lub więcej świadomego naśladowania słyszanego głosu, odgłosu czy szmeru nie grał żadnej roli. Przecież człowiek słyszy także sam siebie, tak samo jak innych ludzi, a po wtóre przecież mu w wielu wypadkach zależy na tym, ażeby jak najwierniej słyszany głos naśladować - tak przede wszystkim na polowaniu dla zwabienia lub oszukania ostrożności zwierzęcia. Ale i w ogóle akustyczna strona zjawisk ma swoją bezpośredniość i chcieć zupełnie wyłączać działanie tego momentu w pierwotnym rozwoju mowy, jak to czyni Wundt, jest chyba przesadą krytyczną. Naprawdę działały oba czynniki: a) towarzyszenie zjawisku całym organizmem, z czego wynikały ostatecznie ruchy artykulacyjne, oraz b) świadome (tak, świadome!) naśladowanie głosu słyszanego - oczywiście w jednych wypadkach ten, w innych drugi moment grał większą lub mniejszą, ewentualnie minimalną rolę, ale to co innego i rzecz zrozumiała.
Zaś niejako w pośrodku między tymi dwoma biegunami można umieścić liczne wypadki tzw. symboliki dźwiękowej, które zresztą prowadzą nas znowu do głosów uczuciowych, a stąd zarówno do interiekcji jak tzw. dziecinnych wyrazów, jak to niżej zobaczymy. Dziedzina symboliki dźwiękowej jest bardzo obszerna i obejmuje też najrozmaitsze rzeczy. Jeżeli ktoś naśladuje głos zwierzęcia aż dozupełnego złudzenia, to to jest jeden biegun: materiał i przyrząd jest wprawdzie u człowieka a zwierzęcia inny, nieraz całkowicie, ale twór jako taki jest taki sam, czyli mamy dokładne naśladowanie. jeżeli znowu ktoś mówiąc o jakiejś bardzo grubej osobie powie Jaka gruba, gruba pani możliwie grubym głosem, to jest rzeczą jasną, że ani powtórzenie przymiotnika gruby, ani wymówienie go niskim głosem nie ma bezpośredniego związku z grubością figury opisywanej osoby, czyli że te środki językowe są właściwie symbolem. Tak, ale symbolem mimowolnym, naturalnym i nie pozbawionym całkowicie momentu naśladownictwa, ani jakiegoś istotnego związku, bo użycie tego «symbolu» stoi znowu w związku z zachowaniem się naszego całego ciała, w szczególności tułowiu, jamy brzusznej, szyi, krtani, twarzy i ust, które to części przystosowują się mimo woli w sposób przyrodzony, kurcząc się i zgrubiając, do przedmiotu, względnie zjawiska, które nas pobudza i które chcemy przedstawić; a wraz z tym idą zjawiska językowe i fonetyczne, jako część odnośnych ruchów. Jest to zupełnie jasne: jeżeli, odwrotnie, mówimy o kimś długim i bardzo cienkim, to mimo woli sami się przy tym wydłużamy, wyciągamy szyję itd., a razem z tym idzie użycie cienkiego, wysokiego głosu, ewentualnie także powtórzenie przymiotnika - bo powtórzenie wyraża zawsze wysoki stopień danej właściwości - i użycie formy zdrobniałej, a więc np. cieniutki, cieniutki, która także wyraża 'wysoki stopień cienkcści'.